面向智能車的DFNN-RRT最優(yōu)運(yùn)動(dòng)規(guī)劃方法研究

摘要： 基于采樣的快速擴(kuò)展隨機(jī)樹（Rapidly-exploring Random Tree,RRT）算法在面向智能車復(fù)雜障礙環(huán)境中進(jìn)行運(yùn)動(dòng)規(guī)劃時(shí)，普遍存在采樣冗余、規(guī)劃效率低及路徑質(zhì)量欠佳等問題。鑒于此，提出一種將深度學(xué)習(xí)與RRT算法相結(jié)合的DFNN-RRT最優(yōu)運(yùn)動(dòng)規(guī)劃方法。通過自動(dòng)點(diǎn)云編碼器實(shí)現(xiàn)復(fù)雜障礙物場(chǎng)景的拓?fù)涮卣魈崛∨c高維數(shù)據(jù)編碼，將預(yù)處理后的環(huán)境點(diǎn)云數(shù)據(jù)嵌入到障礙物空間表征... （共12頁）